1.

A funo escolhida a seguinte:

3
3
x +y
f ( x , y )=
3 x2 3 y 2+ 8 x +50
3
Obs.: A funo escolhida foi retirada de um PDF encontrado no site.
Fonte: www.stamford.pro.br/ARQUIVOS/2002_2Listanive.doc
1.1.1 Determinar os pontos crticos, e mostrar numa figura as curvas de nveis
os pontos crticos, classifique a natureza deles pelo desenho:
1.2.1 Resoluo: os pontos crticos de f so aquelas que anulam o seu
gradiente, isto ,
f ( x , y )=0

fx=

f
(x , y )
=
x

x3+ y3
3 x 23 y 2+ 8 x +50
x
3

f
x

x 26 x+ 8

fy=

f
y

( x , y )=

x3 + y 3
3 x 23 y 2 +8 x+50
y
3

y 6 y

f ( x , y )=( x 26 x +8, y 26 y )

f
x 0
f

0
y

2 (passo) Resoluo do sistema:

 x 6x 8 0

2
y 6y 0

Resolvendo a equao

x 2 6x 8

= 0 temos que

x 2,4

temos que

y 0,6

A soluo do sistema o conjunto S: {(2,0), (4,0), (2,6) e (4,6)}

f ( x , y )=

( x 26 x +8, y 26 y )

Para P1 = (2,0), temos:

f (P 1)

= f ( 2,0 )=

x 4.

y 0

y 6 y 0
Agora resolvendo a equao

x 2

( 226.2+8, 02 6.0 ) = (0,0)

portanto P1 = (2,0) um ponto critico.

Para P2 = (4,0), temos:
f (P 2) = f ( 4,0) = (4 26.4 +8, 026.0)

= (24-24,0) =(0,0)
Como o f ( 4, 0 )=(0,0) logo P2 = (4,0) um ponto critico.
Para P3 = (2,6),temos:
f (P 3) = f (2,6) = 226.2+8, 626.6

=(12-12, 36-36)=(0,0)
Como f ( 2,6 )=(0,0) , logo P2 = (2,6) um ponto critico.

y 6
e

 Para P4=(4,6), temos:

2

f (P 4) = f (4,6) =

4 6.4+ 8, 6 6.6

=(24-24 , 36-36 ) = (0,0)g

Como f ( 4, 6 )=(0,0) , logo P4=(4,6) um ponto critico.

1.2.1 concluso: todos os pares ordenados do conjunto S, soluo do

sistema. So pontos crticos da funo

f (x , y ) estudado.

1.2.2 valor numrico ou valor crtico.

Vamos calcular o valor numrico de cada ponto critico:
3
3
x +y
f ( x , y )=
3 x2 3 y 2+ 8 x +50
3
3

f ( P 1 )=f (2,0) =

2 +0
170
3 .223 . 02 +8 . 2+50=
3
3

f ( P 2 )=f (4,0) =

43 + 03
166
3 . 423 . 02 +8 . 4 +50=
3
3

f ( P 3 )=f ( 2,6 ) =
f ( P 4 )=f (4,6) =

2 +6
62
3 .223 . 62 +8 . 2+50=
3
3
43 +6 3
58
3 . 423 . 62 +8 . 4 +50=
3
3

1.2.3 curvas de nveis

Classificao dos pontos (natureza dos pontos)

P1=(2,0) ponto de mximo local.

P2=(4,0) ponto de sela.
P3=(2,6) ponto de sela.
P4=(4,6) ponto de mnimo local.

1.2.4 campo direcional ou de vetores gradientes

1.2.5 soluo analtica

Analiticamente, tambm podemos classifica a natureza dos pontos crticos de uma
funo de varias variveis, em pontos de mnimo e mximo (local ou global) ou de
sela, estudando o comportamento da matriz hessiana.
1.2.5.1 definio
O ponto P1, para i = 1,2,3,....,K tal que

f (Pi)

Ou

f (Pi)

= 0

denominado o ponto critico de f, a imagem do ponto critico denominado de valor

critico. Um ponto dito ponto regular se no for critico. O valor no critico e
denominado de valor regular. O valor regular requer cuidado. Um valor C regular
se

f 1 ( C ) =

{ x : f ( x ) =C } , no contem pontos crticos P tal que

f ( P )=C .

Portanto, para ser um valor regular, no basta que seja imagem do ponto regular.
Seja

Pj

, um j-esimo ponto critico do tipo:

f ( Pi )=0

Quando a matriz hessiana for matriz singular (Det Hess (

det Hess (f ( P )=0)

,

dizemos que o ponto critico degenerativo.

1.2.6 a matriz Hessiana
A matriz hessiana foi desenvolvida no sculo XIX pelo alemo Ludwig Otto
Hess, razo porque mais tarde James Jereph Sylvester lhe deu este nome. O
prprio

hesse,

ao

contrario

usava

termo

determinante

funcionais.

(http//pt,wikipedia.org/wiki/hessiana)
A matriz hessiana de uma funo com duas variveis independente e definida
por:

Hess

f xx

f yx

f
x

f (x , y ) =

f
x

( )

f
yx

f xx f yx
f xy f yy

]
f xy

f
y x

( )

f ( x , y )=

x3+ y3
3 x2 3 y 2+ 8 x +50
3

f xx

f
x

f
x x

f yy

f
y

f
y y

( y 26 y ) =(2 y6)
= y

f yx

f
yx

( )
( )

f
=
y x

( )

f
x y

f yy

x 26 x+ 8 =(2 x6)
x (

2
( x 6 x+ 8 ) = 0
y

f
y

f
x y

( )

f
y y

( )

f xy

f
x y

f
x y

( )

Portanto, a matriz hessiana

2
( y 6 y ) = 0
x

Hess

f (x , y ) =

2 x6
0
0
2 y6

1.2.7 a funo hessiana

A funo hessiana, o determinante da matriz hessiana. Deste modo, tem-se:
H ( x , y )=( 2 x6 ) . (2 y6 )
H ( x , y )=4 xy12 x12 y 36
Para P1 (2,0), temos:
A matriz hessiana no ponto P1 :

Hess f (P 1) =

2 ( 2 )6
0
0
2 ( 0 ) 6

] [
=

2 0
0 6

1 =[ 2 ] =2<0
2=

2 0
=12>0
0 6

Para P2 (4, 0), temos:

A matriz hessiana no ponto P2 :

Hess

f (P 2) =

1 =[ 2 ] =2>0

2= 2 0 =12<0
0 6

2 ( 4 )6
0
(
0
2 0 ) 6

] [ ]
=

2 0
0 6

 Para P3 = (2,6), temos:

f (P 3)

Hess

2 ( 2 )6
0
0
2 ( 6 ) 6

] [ ]
=

2 0
0 6

1 =[ 2 ] =2<0

2= 2 0 =12< 0
0 6
Para P4 = (4,6), temos:
f (P 4)

Hess

2 ( 4 )6
0
0
2 ( 6 ) 6

] [ ]
=

2 0
0 6

1 =[ 2 ] =2>0

[ ]

2= 2 0 =12> 0
0 6
1.2.8 determinante dos menores principais
Para enunciar o teorema de classificao dos pontos crticos, precisamos definir o
determinante dos menores principais, a seguir:
1.2.8.1 definio : o determinante do menor principal de :

A=

det

a11 a 1n
an 1 ann

a 1,1 a1,n
a n ,1 a n ,n

de ordem

e definido como

que o determinante do bloco de tamanho

i x

= (A) =

localizada na

posio superior esquerda de A.

No curso de Hess

f (x) . Ser continua em P, a matriz hessiana simtrica e

podemos mostrar que:

Pi

1.2.8.2 teorema: seja

um ponto critico no degenerado da funo:

f : Rn R
Pi
f )) =

e det Hess

Pi
f ) 0, com todas derivadas parciais de segunda

ordem continuas, ento:

1 -

( Hess

Pi
f ) > 0 para todo

estritamente positivo). Se, e somente se

Pi

i=1, 2,3 n

(todos os

so

, ponto de mnimo local estrito

(funo cresce em todas as direes).

2-

(1)

( Hess

Pi
f ) > 0 para todo

i=1, 2,3 n ( sinal de

Pi

alternado, comeando o do negativo), se , e somente se,

e ponto de mximo

local estrito ( funo decresce em cada direes).

3- se no ocorre nenhum dos casos anteriores. Ento ponto de sela. ( tem
direo em funo decresce). Com base no teorema anterior, vemos classificar, a
natureza dos pontos crticos da funo.
f ( x , y )=

x3+ y3
3 x2 3 y 2+ 8 x +50
3

Para P1 (2,0), temos: a matriz hessiana no ponto P1 :

Hess

f (P 1)

= Hess

f (2,0)

2 ( 2 )6
0
0
2 ( 0 ) 6

O determinante de menor principal de ordem 1:

1 =[ 2 ] =2<0

] [
=

2 0
0 6

O determinante do menor principal de ordem 2.

2=

Como

2 0
=12>0
0 6

1 <0

2> 0

, logo em P1 tem-se um ponto de mximo local

estrito.
Para P2(4, 0), temos:
A matriz hessiana no ponto P2 :
f (P 2) = Hess f (4, 0) =

Hess

2 ( 4 )6
0
0
2 ( 0 ) 6

] [ ]
=

2 0
0 6

O determinante de menor principal de ordem 1.

1 =[ 2 ] =2>0
O determinante do menor principal de ordem 2.

Como

1 >0

2= 2 0 =12<0
0 6

2< 0

, logo o ponto P2 enquadra-se no caso 3 ( ponto de sela).

Para P3 = (2,6), temos:

Hess

f (P 3)

= Hess

f (2,6) =

| | |

2 ( 2 )6
0
0
2 ( 6 )6

O determinante de menor principal de ordem 1.

1 =[ 2 ] =2<0
O determinante do menor principal de ordem 2.

2 0
0 6

Como

1 <0

2= 2 0 =12< 0
0 6

2< 0

ento temos o caso 3 (ponto de sela).

Para P4 = (4,6) temos:

f (P 4) = Hess f (4,6)

Hess

2 ( 4 )6
0
0
2 ( 6 ) 6

] [ ]
=

2 0
0 6

O determinante de menor principal de ordem 1.

1 =[ 2 ] =2>0
O determinante do menor principal de ordem 2.

[ ]

2=

Como

2 0
=12> 0
0 6

1 >0

>0, logo em P4 temos um ponto de mnimo local estrito.

Pontos

Natureza

crticos
P1
P2
P3
P4

Ponto de mximo local

Ponto de sela
Ponto de sela
Ponto de mnimo local

1.2.9 funes de duas variveis

No caso de classificao de pontos crticos no degenerados da funo real de duas
variveis a expresso de

relativamente simples.

Por exemplo: o critrio para mnimo local restrito ficaria,

f
x x

>0e

= det Hess f (x , y )

Hess f ( x , y ) =

f
x
f
xy

f
y x
f
y

f
f
f
.

>0
x x y y x y

A notao do Stewart. (7 edio. P: 851. Vol.2.), a seguinte:

Hess f ( x , y )=

f xx f yx
f xy f yy

; 1

f xx

>0

Analogamente, o ponto de mximo local restrito.

(-1) >0, torna

f
x x

Como a parte

Teorema: se

f : R2

<0 e

det Hess f (x , y )

f
f
f
.

>0
x x y y x y

a mesma, podemos juntar e enunciar como sendo.

> , tem segunda derivada parciais continuas e

Pi

um

ponto critico, ento:

Se

det Hess f ( Pi )

>

f
x x

>

0 implica que um ponto mnimo local

estrito.
f
x x

<

0, implica que um ponto de mximo local restrito.

f
x x

0, implica que um ponto de sela.

Se det Hess f ( Pi )

< 0, ento um ponto de sela. No caso do ponto crtico, ser

Pi
f
degenerado det ) = 0), nada pode ser afirmado.

Esta uma das verses que mais aparece nos livros de clculo, mas no h
Rn pois i , torna mais complexa e no consegue

anloga para o caso do

explicitar as condies em poucas palavras.

OBS: a tcnica mais rpida e simples para determinar se

so todas positivas.

No caso da matriz simtrica de dimenso maior que 3 aplicar o mtodo de

composio de CHOLESKY.
1.2.10 teste da segunda derivada (Stewart, 2011, P.878).
Para o ponto P1 = (2,0), tem-se:
2 x6
0
Hess f (x , y ) =
0
2 y6

Hess

2 0
0 6

f ( P 1) =

2 x 6 , no ponto

f xx

= D, como D = (2,0) = 12 > 0 e

(2,0)= 2< 0

f xx

( x, y ) =

; logo P1 temos um ponto de mximo local

estrito .
Para o ponto P2 = (4,0), tem-se:
Hess

Hess

f ( P 2) =

no ponto

f xx

2 0
0 6

(4,0)=

f (x, y) =

2 x6
0
0
2 y6

= D, como D = (4,0) = -12 < 0 e

f xx

2>0 ; logo P2 temos um ponto de sela.

( x, y ) =

2 x 6 ,

 Para o ponto P3 = (2,6), tem-se;

Hess

| |
2 0
0 6

f ( P 3) =

no ponto

f xx

f (x, y) =

Hess

2 x6
0
0
2 y6

= D, como D = (2,6) = -12< 0 e

f xx

( x, y ) =

2 x 6 ,

(2,6)= -2 < 0; logo P3 temos um ponto de sela.

Para o ponto P4 =(4,6)

Hess

Hess

f (P4) =
f xx

, no ponto

1.2

| |
2 0
0 6

f (x , y)

2 x6
0
0
2 y6

= D, como D = (4,6) = 12 > 0 e

f xx

( x, y ) =

2 x 6

(4,6)= 2 > 0; logo P4 temos um ponto de mnimo local estrito.

Determinar o polinmio de Taylor em cada ponto crtico

encontrado, plotar o grfico da funo e do polinmio de Taylor:

P(

v1

v2

v 1, v 2
) = f ( a , b )+ f ' ( a , b ) . ) +

v 1, v2
1 ''
f ( a ,b ) . )
2!

No ponto critico P1= (2,0), o polinmio de Taylor :

P(

v1

1.3

v2

)=

v 1, v 2
'
f ( a , b )+ f ( a , b ) . ) +

v 1, v2
1 ''
f ( a ,b ) . )
2!

Mximo e mnimos condicionados- multiplicadores de lagrange

Considere os seguintes problemas:

1) Maximizar f ( x , y ) = 4 x-y

2) Maximizar f ( x , y ) = 4 x-y sujeito a:

x+ y=2

O problema (1) um problema de otimizao irrestrita (sem restrio), por

outo lado o problema (2), temos a presena de uma restrio. No ultimo
problema, estamos diante e uma problema de otimizao restrita, onde
queremos encontrar o maior valor da funo num subconjunto de seu
domnio, nesse caso, o subconjunto do plano xy, dado pela reta

x+ y=2

.nesse contexto, a soluo do problema (1) chamada um ponto de mximo

livre ou no-condicionado de f. a soluo do problema (2) dita um ponto de
mximo condicionado de f.
Notas:
x1 , x2 xn
1) Se a funo =
), conhecida como funo objetiva (funo que
f
g ( x1, x 2, x n )=0

forem

linear, teremos problemas de programao linear.

2) De forma geral, problemas de otimizao restrita podem ser

muito

se quer maximizar ou minimizar) e a restrio

complexo, no havendo um mtodo geral para encontrar a soluo de

todas as classes de problemas. Em algumas situaes simples, podemos
resolv-los, explicitado uma varivel em funo das outras, na restrio.
1.3.1
O Mtodo Dos Multiplicadores De Lagrange.
O mtodo dos multiplicadores de lagrange permite analisar situaes mais gerais.
Atravs desse mtodo, um problema de otimizao restrita com n variveis e m
restries de igualdade transformado num problema de otimizao com (n+m)
variveis.
Notas: esse mtodo aplicvel tambm a funes no lineares.
Problemas envolvendo funes de duas variveis e uma restrio.
Consideremos o seguinte problema:

M x f ( x , y )=4x 2 y
s . a x + y=2

Usando as propriedades do vetor gradiente, vamos obter uma visualizao

geomtrica de mtodos de lagrange, que nos permite determinar os candidatos a
pontos mximos ou mnimo condicionado de f.
Teorema: seja

f (x, y)

diferencivel num conjunto aberto U. seja

funo com derivadas parciais continuas em U tal que

V , onde

(x , y )

que

x0 , y0
)

g( x , y )

g ( x , y ) (0,0)

uma

para todo

V = { ( x , y ) U / g ( x , y )=0 } .Uma condio necessria para

seja extremante de

em

que:

x0
x 0, y 0
y0
,
)
f
. g ), para algum numero real .

Assim, podemos dizer que os pontos de mximo e mnimo condicionados de

devem satisfazer as equaes:

f
=
x

g f
g
:
= .
x y
y

g ( x , y )=0

para algum numero real .

O numero real que torna compatvel o sistema chamado multiplicadores de

lagrange.
O mtodo proposto por lagrange consiste, simplesmente, em definir a funo de trs
variveis:
L ( x , y , ) =f ( x , y ) . g ( x , y )
E observar que o sistema (1) equivalente equao:
L=0 ou

L
L
L
=0 ;
=0 e
=0
x
y

Assim, os candidatos e extremante locais de

pesquisados entre os pontos crticos de
sobre

g ( x , y )=0

g ( x , y )=0

sobre

so

L . Os valores mximo ou mnimo de

coincidem com os valores mximo ou mnimo livres de

L .

Exemplo
M x f ( x , y )=4x 2 y
s . a x + y=2
SOLUO: para resolver esse problema pelo mtodo de lagrange, como
apresentado, devemos escrever a restrio
A funo lagrangeana dado por:
Derivando

L
=2. x
x

x+ y=2

x+ y2=0 .

L ( x , y , ) = 4x 2 y 2 ( x + y2) .

em relao s trs variveis

na forma

L
=2 . y e
y

x, y e ,

temos:

L
=x y +2

Igualando essas derivadas a zero, obtemos o sistema de equaes:

2 x =0
2 y=0
x y +2=0

>

2 x=
2 y=
x + y =2

>

y =
{2x +x=2
y=2

x= y

>

x=1 e y=1

Assim, o ponto extremante (1,1) e substituindo na funo objetivo vemos

claramente que ponto de mximo condicionado. Fazendo o teste da vizinhana do
ponto:
>

f ( 1,1 )=

4-1-1 = 4-2 = 2:

f ( 2,0 ) =

440 :

f ( 1,1 )=2 f ( x , y) . Portanto (1,1) ponto de mximo.

f ( 0,2 )=404=0

Visualizao grfica, usando o software geogebra: